發(fā)布時(shí)間：2025-01-18 13:31

　　 短期交通流量預(yù)測(cè)對(duì)輔助交通疏導(dǎo)緩解交通擁堵?tīng)顩r起至關(guān)重要的作用。當(dāng)前很多研究都基于單變量、多變量時(shí)間序列分析,而缺乏對(duì)時(shí)間序列的隱變量(順序和逆序數(shù))進(jìn)行動(dòng)態(tài)建模和基于自適應(yīng)隱變量尋優(yōu)的加權(quán)方法。為此,提出一種可以自適應(yīng)建模隱變量的動(dòng)態(tài)隨機(jī)過(guò)程模型,并結(jié)合度量雙變量相關(guān)性的最大信息系數(shù)對(duì)時(shí)間序列屬性加權(quán),最后成功運(yùn)用于短時(shí)車(chē)流量預(yù)測(cè)。實(shí)驗(yàn)結(jié)果顯示,與傳統(tǒng)時(shí)間序列分析(自回歸滑動(dòng)平均ARIMA,徑向基支持向量機(jī))相比,取得了較優(yōu)的預(yù)測(cè)性能。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖2系統(tǒng)架構(gòu)圖2．1懲罰因子選擇

圖4顯示了不同逆序數(shù)與殘差之間的關(guān)系3．2步長(zhǎng)與順序訓(xùn)練

第7期王鳳琴等:自適應(yīng)參數(shù)尋優(yōu)短期車(chē)流量預(yù)測(cè)13圖4顯示了不同逆序數(shù)與殘差之間的關(guān)系3．2步長(zhǎng)與順序訓(xùn)練在當(dāng)前時(shí)間點(diǎn)，所有之前的決策選擇以及與之相應(yīng)的殘差都保存到數(shù)據(jù)庫(kù)中，在選擇步長(zhǎng)時(shí)，計(jì)算在當(dāng)前步長(zhǎng)下，不同步長(zhǎng)的選擇而產(chǎn)生的殘差，當(dāng)殘差小于當(dāng)前步長(zhǎng)下的平均殘差時(shí)，認(rèn)為該步長(zhǎng)的選....

圖72014年1月份到七月份不同灰色模型下的平均殘差3．3．2與其他回歸模型的比較

14計(jì)算機(jī)應(yīng)用與軟件2018年以上的性能改善。圖72014年1月份到七月份不同灰色模型下的平均殘差3．3．2與其他回歸模型的比較計(jì)算不同預(yù)測(cè)模型策略(AＲIMA模型、徑向基支持向量機(jī)模型和本文的基于動(dòng)態(tài)隨機(jī)過(guò)程的貝葉斯強(qiáng)化學(xué)習(xí)策略)下每天早高峰預(yù)測(cè)值與真實(shí)值之間的平均殘差，通過(guò)該....

圖82014年1月份到七月份不同回歸模型下的平均殘差

14計(jì)算機(jī)應(yīng)用與軟件2018年以上的性能改善。圖72014年1月份到七月份不同灰色模型下的平均殘差3．3．2與其他回歸模型的比較計(jì)算不同預(yù)測(cè)模型策略(AＲIMA模型、徑向基支持向量機(jī)模型和本文的基于動(dòng)態(tài)隨機(jī)過(guò)程的貝葉斯強(qiáng)化學(xué)習(xí)策略)下每天早高峰預(yù)測(cè)值與真實(shí)值之間的平均殘差，通過(guò)該....

本文編號(hào)：4028676